Ollama 已部署DeepSeek模型，如果用Java语言实现调用

以下是使用 Java 调用 Ollama 部署的 DeepSeek 模型的详细方法：

---

1. 通过 HTTP API 调用（推荐）

Ollama 提供了 RESTful API，可以用 Java 的 HTTP 客户端库（如 OkHttp）直接调用。

步骤 1：添加依赖

在 Maven 项目的 pom.xml 中添加：

xml

复制

    com.squareup.okhttp3
    okhttp
    4.12.0 


    com.google.code.gson
    gson
    2.10.1 

运行 HTML

步骤 2：完整示例代码

java

复制

import okhttp3.*;
import com.google.gson.Gson;
import java.io.IOException;

public class OllamaDeepSeekClient {
    private static final String OLLAMA_URL = "http://localhost:11434/api/generate";
    private static final MediaType JSON = MediaType.get("application/json; charset=utf-8");
    private static final Gson gson = new Gson();

    static class RequestBodyData {
        String model = "deepseek";  // 确认模型名称
        String prompt;
        boolean stream = false;     // 关闭流式输出（默认）
        Options options = new Options();

        static class Options {
            double temperature = 0.7;  // 随机性控制
            int num_predict = 500;     // 最大 token 数
        }
    }

    public static String generateText(String prompt) throws IOException {
        OkHttpClient client = new OkHttpClient();

        // 构建请求体
        RequestBodyData requestBodyData = new RequestBodyData();
        requestBodyData.prompt = prompt;
        String json = gson.toJson(requestBodyData);

        RequestBody body = RequestBody.create(json, JSON);
        Request request = new Request.Builder()
                .url(OLLAMA_URL)
                .post(body)
                .build();

        try (Response response = client.newCall(request).execute()) {
            if (!response.isSuccessful()) {
                throw new IOException("Unexpected code: " + response);
            }
            return response.body().string();
        }
    }

    public static void main(String[] args) {
        try {
            String response = generateText("为什么天空是蓝色的？");
            System.out.println("模型回复：\n" + response);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

输出示例：

json

复制

{
  "model": "deepseek",
  "created_at": "2024-05-01T12:34:56.789Z",
  "response": "天空呈现蓝色是由于瑞利散射现象...",
  "done": true
}

---

2. 流式输出处理

如果需要实时获取生成结果（类似 ChatGPT 的逐字输出），启用流式模式：

修改代码：

java

复制

// 修改请求体
requestBodyData.stream = true; // 启用流式

// 处理流式响应
try (Response response = client.newCall(request).execute()) {
    if (!response.isSuccessful()) {
        throw new IOException("Unexpected code: " + response);
    }

    BufferedReader reader = new BufferedReader(
        new InputStreamReader(response.body().byteStream())
    );
    String line;
    while ((line = reader.readLine()) != null) {
        System.out.println("收到片段: " + line);
    }
}

---

3. 高级功能封装

可以进一步封装为工具类：

java

复制

public class OllamaClient {
    private final OkHttpClient client;
    private final String baseUrl;
    private final Gson gson = new Gson();

    public OllamaClient(String baseUrl) {
        this.client = new OkHttpClient();
        this.baseUrl = baseUrl;
    }

    public String generate(String model, String prompt, double temperature, int maxTokens) 
        throws IOException {
        
        // 构建请求体
        JsonObject jsonBody = new JsonObject();
        jsonBody.addProperty("model", model);
        jsonBody.addProperty("prompt", prompt);
        jsonBody.addProperty("stream", false);

        JsonObject options = new JsonObject();
        options.addProperty("temperature", temperature);
        options.addProperty("num_predict", maxTokens);
        jsonBody.add("options", options);

        RequestBody body = RequestBody.create(
            jsonBody.toString(), 
            MediaType.get("application/json")
        );

        Request request = new Request.Builder()
            .url(baseUrl + "/api/generate")
            .post(body)
            .build();

        try (Response response = client.newCall(request).execute()) {
            return response.body().string();
        }
    }
}

// 使用示例
OllamaClient client = new OllamaClient("http://localhost:11434");
String result = client.generate("deepseek", "解释量子纠缠", 0.8, 1000);

---

4. 注意事项

1. 服务验证：确保 Ollama 服务正在运行

   bash

   复制

   curl http://localhost:11434  # 验证服务状态

2. 性能优化：

   • 使用连接池：new OkHttpClient.Builder().connectionPool(...)

   • 添加超时设置：.callTimeout(30, TimeUnit.SECONDS)

3. 错误处理：

   java

   复制

   try {
       // API 调用代码
   } catch (IOException e) {
       System.err.println("网络错误: " + e.getMessage());
   } catch (JsonSyntaxException e) {
       System.err.println("JSON 解析错误: " + e.getMessage());
   }

---

完整项目结构建议

复制

src/
├── main/
│   ├── java/
│   │   └── com/
│   │       └── yourcompany/
│   │           ├── OllamaClient.java  # 核心客户端
│   │           ├── models/            # 数据模型
│   │           └── exceptions/        # 自定义异常
│   └── resources/
└── test/                             # 单元测试

通过这种方式，你可以将 Ollama 的 DeepSeek 模型集成到任何 Java 应用中，包括 Spring Boot 服务、桌面应用等。